小文件问题
CombineFileInputFormat子类CombineTextInputFormat,可以减少map数,但是不能本地化,因此内存资源充足的情况下,CombineFileInputFormat减少map数,不一定会增加MR性能。
压缩问题
采用压缩文件,需要考虑压缩后文件的大小与hdfs块大小的关系,因为有些压缩算法本身是不可分的,如果压缩后文件是多块的,会造成map不能本地化。
压缩可以减小网络传输,但是同样减少了map数量,意味着每个map处理的数据量增大,速度变慢,这一点需要考虑